TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #65 · 12.07

Попробовал полетать на новом дроне. Этот дрон — шаг от простого пилотирования к более сложному, но дающему больше возможностей и более динамичную картинку. Обычный дрон ожидает от пилота направление и скорость движения, об остальном заботится компьютер: сам рассчитывает углы и частоту вращения моторов, корректирует положение по GPS, использует детекторы препятствий и так далее. В съёмке с такого дрона тоже есть свои сложности — например, очень многие пилоты не умеют снимать без рывков по рысканию. Даже в недавней новости про самоходную океаническую посадочную платформу Илона Маска съёмки с дрона сделаны плохо, а пилот явно не обладал достаточным опытом. Тем не менее, на обычных дронах быстро упираешься в возможности по движениям, и дальнейшее расширение уровня интересности происходит, например, за счёт съёмок самых редких и отдаленных мест, которые даже с земли смотрятся круто. Если бы я был безработным миллиардером, не вылезающим из путешествий, то обычного дрона мне было бы более чем достаточно. Но при жизни обычного смертного за 5 лет съёмок захотелось чего-то нового. Поэтому я стал исследовать направление FPV — то есть First Person View. Это те ребята, которые пролетают под поездами и маневрируют внутри заброшек. С такого дрона можно снять крутое динамичное видео даже в довольно обычном месте, но управление гораздо сложнее: компьютер за вас почти ничего не решает, пилот сам определяет углы и скорости, поэтому требуются долгие тренировки. Вот компания DJI в начале года выпустила DJI FPV — я бы сказал, что это дрон для перехода от первого ко второму. Тут есть и полностью компьютерный и полностью ручной режим. И в целом дрон совмещает в себе некоторые черты двух миров. Изображение передаётся прямо в очки — и это сильно меняет ситуацию, потому что гораздо лучше понимаешь местоположение коптера и расстояния до объектов. Можно летать гораздо смелее. Плюс, выше скорость и нет коррекции крена, видео получаются более «самолетные». Дополнительно я взял джойстик, позволяющий управлять наклонами, и мне после него не хочется возвращаться обратно к скучному пульту (хотя самый сложный режим управления для профи требует всё-таки пульт). В целом сильное смещение в сторону индивидуальных ощущений «как-будто это я сам летаю», а не «полетал для последующего видео». Всерьёз иногда хочется запустить в воздух дрон просто для осмотра местности с высоты, а не для записи. Ниже пока что самый нубский тестовый полет. Буду совершенствоваться. #drone https://youtu.be/Lv0LYu-PGNg

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #image23

当前筛选 #image23清除筛选
Earth&Climate Tech

@earth_climate_tech · Post #381 · 04.09.2023 г., 21:57

​​IMAGE'23 и генерация моделей по подсказке Всем привет! Пропал-пропал, был на конференции IMAGE'23. Это такая огромная, на тысяч 6-7 человек, геотехническая конференция в Хьюстоне для специалистов в области геонаук, полезных ископаемых и (уже) декарбонизации. Самые большие секции были посвящены машинному обучению в геонауках. На одной из них я показал наши эксперименты в области Генеративного ИИ (Generative AI), а именно первые наброски того как можно генерировать реалистичные геологические\сейсмические модели с помощью семантически понятного текста. Типа говоришь "йоу, модель, сделай мне низкочастотный сейсмический разрез с двумя сбросовыми разломами в восточной части и добавь немного шума". И на выходе получаешь реалистичный сейсмический разрез удовлетворяющий твоему описанию, или получаешь сразу несколько разных разрезов, ведь генерация стохастическая. Использовали мы немного модифицированную версию знаменитой нейронки Dalle-E2 от Open AI, которую обучили с нуля. Точнее три ее компонента: ✅CLIP - для семантической связи между текстом и изображением(моделью) и преобразования последнего в векторное представление; ✅ Diffusion Prior - для стохастической генерации текстовых векторных представлений в текстовые представления изображения(модели) и ✅ Decoder - для стохастической генерации самих изображений(моделей) из их векторного представления. Последняя нейроночка использует диффузионную модель. Получилось неплохо! На второй картинке пример моделей, которые сгенерировались по соответствующей подсказке. Конечно отправлять в продакшн еще рановато, но идея, кажется, работает не только на кошечках и собачках. #Image23#conference#ML#AI#subsurface